生存分析 三大块内容：
1，描述性的
生存率、中位生存期、生存曲线等，常用Kaplan-meier法
2，比较分析
两组的生存曲线是否有差别，log-rank检验（单个因素）
3，cox比例风险回归
类似logistic回归，多个变量对Y的影响，得到一个概率值，只不过加了时间
多花点时间聊聊cox的感受
首先理解一个概念
风险函数（hazard function）h(t)=f(t)/S(t)
f(t)为瞬时死亡率，其实就是时间趋近于零时刻的死亡率，又称死亡概率密度函数，曲线下面积为1.
S(t)为生存率：a, 若无删失，表示为t时刻存活人数/总观察人数
b，若有删失，计算为各个时段下生存概率的乘积（ 生存概率：活过该年的人数/年初人数）
象形的理解，瞬时死亡率只受到某时刻，死亡人数的影响，若t时刻死亡10人，瞬时死亡率肯定高于t+1时刻死亡1人
而，生存率，会越来越低。分子/分母，h(t)风险函数肯定增大。
对于COX风险比例模型，h(t,x)=h0(t)exp(βX)=h0(t)exp(β1x1+β2x2+```+βx)
前半部分为基线风险函数，不需要特定分布，为非参
后半部分相当于对多重线性回归的输出进行了次方变换，保证了 正值和 单调性 （参数模型）
两者相乘即为COX，（半参）
那么聊聊参数估计
对偏似然函数 ，采用极大似然估计
先不管这个所谓偏似然函数，极大似然估计，思想是使得当前样本出现的概率最大。
比如，有三个人X1,X2,X3，分别在t=1，2，3时刻 死去
当t=1时，我们希望模型的似然函数最大，起码有max（1，X1） min（1，X2） min（1，X3）
我们可以构建这样的似然函数：
当t=2，
但是t=3时，没有分母可以使用。
所以我们在分母加入了分子本身作为平滑，但是不影响整个分数值得大小趋势。
最后将这三个似然函数连乘：
消去h0(t)，就可以理解课本上得公式了
标签：似然,函数,有感,COX,模型,死亡率,时刻,h0 来源： https://www.cnblogs.com/super-yb/p/11332385.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。